- •§8. Приведение произвольного преобразования к нормальной форме
- •1°. Собственные и присоединенные векторы линейного преобразования.
- •2О. Прямая сумма подпространств
- •Обозначение. .
- •3°. Выделение подпространства, в котором преобразование имеет только одно собственное значение.
- •3°. Приведение к нормальной форме матрицы с одним собственным значением.
3°. Приведение к нормальной форме матрицы с одним собственным значением.
В случае если пространство состоит только из собственных векторов, базис в пространстве можно выбирать произвольно и матрица преобразования в этом базисе имеет диагональный вид.
В общем случае, чтобы выбрать базис, в котором матрица преобразования имеет наиболее простой вид, мы будем строить цепочки собственных и присоединенных векторов, выбрав некоторый базис в подпространстве и последовательно применяя к векторам этого базиса преобразование .
Определение 5. Векторы из пространства называются линейно независимыми относительно подпространства , если их линейная комбинация, отличная от нуля, не принадлежит .
Заметим, что всякие линейно зависимые векторы из линейно зависимы относительно любого подпространства.
Определение 5. Базисом пространства относительно подпространства называется такая система линейно независимых векторов из , которая после пополнения каким-нибудь базисом из образует базис во всем пространстве.
Такой базис легко построить. Для этого достаточно выбрать какой-нибудь базис в , дополнить его до базиса во всём пространстве и затем отбросить векторы исходного базиса из . Число векторов в таком относительном базисе равно разности размерностей пространства и подпространства.
Всякую систему линейно независимых векторов относительно можно дополнить до базиса относительно . Для этого нужно к выбранным векторам добавить какой–нибудь базис подпространства . Получится некоторая система векторов из , которые, как легко проверить, линейно независимы. Чтобы получить базис относительно , нужно дополнить эту систему до базиса во всем пространстве , а затем отбросить базис подпространства .
Итак, пусть преобразование в пространстве имеет только одно собственное значение. Не ограничивая общности, можно предположить, что оно равно нулю.
Рассмотрим снова цепочку (5) подпространств, полученных в п.1:
,
где подпространство есть ядро преобразования . Так как преобразование в пространстве не имеет отличных то нуля собственных значений, то, очевидно, совпадает при этом со всем пространством .
Выберем в максимальном из этих подпространств базис относительно содержащегося в нем подпространства . Пусть векторы этого базиса будут
. |
(10) |
Очевидно, что это будут присоединенные векторы –го порядка. Мы уже видели (см. упражнение на стр.211), что . Поэтому векторы
лежат в . Покажем, что эти векторы линейно независимы в относительно лежащего в нем подпространства . Действительно, пусть не все и
. |
(11) |
Тогда вектор , а это противоречит предположению, что векторы линейно независимы над .
Дополним векторы до базиса в относительно . Мы получим тогда векторов , , которые представляют собой максимальное число линейно независимых присоединенных векторов порядка .
Снова применим к этим векторам преобразование и полученную систему векторов из дополним, как и выше, до базиса в относительно . Продолжая этот процесс, мы дойдем до подпространства и выберем базис в этом пространстве, состоящий из максимального числа линейно независимых собственных векторов.
Расположим полученные векторы в следующую таблицу
. |
(12) |
Векторы нижней строчки образуют базис в подпространстве . Векторы двух нижних строчек образуют базис в , так как это есть базис относительно в соединении с базисом . Векторы трех нижних строчек образуют базис в и т.д. Наконец, все векторы таблицы образуют базис в , т.е. во всем пространстве .
Покажем, что в этом базисе матрица преобразования имеет жорданову нормальную форму. Действительно, рассмотрим произвольный столбец таблицы (12), например, для определенности первый.
Обозначим для удобства через – через и т.д. и рассмотрим действие преобразования на каждый из этих векторов. Так как – собственный вектор, отвечающий нулевому собственному значению, то .
Дальше, по определению,
и аналогично
.
Таким образом, преобразование переводит векторы первого столбца снова в себя, т.е. подпространство , натянутое на эти векторы, инвариантно относительно . Матрица преобразования в подпространстве в базисе имеет вид
. |
(13) |
Матрица (13) есть жорданова клетка, отвечающая собственному значению . Обозначается . Аналогичное инвариантное подпространство отвечает каждому из столбцов таблицы (12), и размерность каждого такого подпространства равна числу векторов в соответствующем столбце. Так как матрица преобразования в базисе, состоящем из векторов какого-либо столбца таблицы (12), имеет вид (13), то матрица преобразования во всем пространстве в базисе, состоящем из всех векторов таблицы (12), состоит из жордановых клеток, число которых равно числу столбцов в этой таблице, а размер каждой клетки равен числу векторов соответствующего столбца.
Если вместо преобразования рассмотреть преобразование , то, так как матрица преобразования диагональна, мы получим тот же результат для преобразования пространства , имеющего только одно собственное значение, равное произвольному числу . Соответствующие жордановы клетки матрицы преобразования будут иметь вид:
. |
(14) |
Вспоминая теперь, что для произвольного преобразования мы можем разложить пространство в сумму инвариантных подпространств, в каждом из которых преобразование имеет только одно собственное значение (см. формулу (11)), мы получаем отсюда полное доказательство теоремы.
Теорема 4. Пусть задано произвольное линейное преобразование в комплексном пространстве измерений. Предположим, что у имеется линейно независимых собственных векторов
,
соответствующих собственным значениям . Тогда существует базис, состоящий из групп векторов *):
, |
(1) |
В котором преобразование имеет следующий вид:
, |
(2) |
5o. Примеры.
Найти жорданову форму матрицы и матрицу перехода к жордановому базису для преобразования, заданного в исходном базисе матрицей
а) .
Характеристический многочлен – собственное значение. ~ единственный собственный вектор .
=.
.
=~.
.
;
;
.
.
.
.
б) .
~~2 собственных вектора, .
=~ ~.
=.
.
.
– собственный вектор.
Другой собственный вектор: .
. || = .
.
=
===.
1 В самом деле, если - собственное значение преобразования , т.е. , то , т.е. - собственный вектор , отвечающий собственному значению .